연구진은 GNN과 LLM을 통합하여 텍스트 속성 그래프(TAG)를 학습할 때 표현 정렬의 어려움을 해결하기 위해 EBM 기반의 새로운 프레임워크인 ERLAlign을 제안했어요.
ERAlign은 GNN로 인코딩된 그래프 구조와 LLM에서 파생된 텍스트 임베딩을 공유된 잠재 공간에 투영하여 분포 일관성을 달성하며, 에너지 차이(ED)를 도입하여 효율적인 학습을 지원해요.
8개의 TAG 데이터셋에 대한 실험 결과, ERLAlign은 다양한 감독 수준과 교차 작업 전송 시나리오에서 최고 성능을 달성했어요.